<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>METR on 玩数据de强尼</title><link>https://awesomedata.pages.dev/tags/metr/</link><description>Recent content in METR on 玩数据de强尼</description><generator>Hugo -- gohugo.io</generator><language>zh</language><lastBuildDate>Sat, 21 Nov 2026 08:31:00 +0800</lastBuildDate><atom:link href="https://awesomedata.pages.dev/tags/metr/index.xml" rel="self" type="application/rss+xml"/><item><title>每日AI资讯 2026-11-21</title><link>https://awesomedata.pages.dev/p/daily-ai-news-2026-11-21/</link><pubDate>Sat, 21 Nov 2026 08:31:00 +0800</pubDate><guid>https://awesomedata.pages.dev/p/daily-ai-news-2026-11-21/</guid><description>&lt;img src="https://awesomedata.pages.dev/p/daily-ai-news-2026-11-21/cover.jpg" alt="Featured image of post 每日AI资讯 2026-11-21" /&gt;&lt;h2 id="一智能体走向真实世界"&gt;一、智能体走向真实世界
&lt;/h2&gt;&lt;h3 id="1-google-回顾-duplex-十年演进gemini-tasks-可代用户致电商家"&gt;1. Google 回顾 Duplex 十年演进，Gemini Tasks 可代用户致电商家
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Google Research 于 2026 年 11 月 20 日发文，回顾 Duplex 十年架构演进，并介绍本周在 Gemini App 的 Tasks 功能中上线的自动致电商家能力。文章梳理了 Duplex 三代架构演进与技术难点，重点说明 AI 电话智能体如何处理实时对话的延迟与语用问题。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;电话场景是智能体从&amp;quot;屏幕内问答&amp;quot;走向&amp;quot;真实世界代办&amp;quot;的关键一步——它要求毫秒级延迟控制、对停顿与打断的语用理解，以及失败后的降级策略。对做客服、外呼、履约通知的团队来说，这套架构演进史比单纯的产品发布更值得读：它标明了一条从原型到规模化的完整路径。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：Google Research Blog&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://research.google/blog/how-google-duplex-evolved-to-also-call-businesses-for-you-in-gemini/&lt;/p&gt;
&lt;h3 id="2-browser-use-10-发布一个-python-repl-工具替代-24-个浏览器动作"&gt;2. browser-use 1.0 发布：一个 Python REPL 工具替代 24 个浏览器动作
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Browser Use 发布 browser-use 1.0，用单个 Python REPL 工具替代原先的 24 个浏览器动作工具集。思路是把浏览器操作收敛到统一的编程式接口，让智能体用代码编排代替离散动作调用。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;工具数量从 24 收敛到 1，本质是降低智能体的动作空间与选择成本。对正在搭建 RPA、网页采集、自动化运营智能体的团队，这是&amp;quot;少即是多&amp;quot;的架构参照——与其堆工具，不如给模型一个可编程的通用接口。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：browser-use 官方博客&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://browser-use.com/posts/browser-use-1-0&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="二研发工具链革新"&gt;二、研发工具链革新
&lt;/h2&gt;&lt;h3 id="3-figma-用-specs-与-figma-agent-把上下文变成开发计划"&gt;3. Figma 用 Specs 与 Figma agent 把上下文变成开发计划
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Figma 在 Workflow lab 中演示完整工作流：工程师用 Specs 在画布上汇集 PRD、Hex 数据、FigJam 图、标注设计和组件说明，再让 Figma agent 生成供编码智能体使用的实现计划。文中提到 Specs 与 code layers 已开放 beta 并覆盖所有套餐，最后通过 Figma MCP 把计划链接交给 Codex 读取全部上下文并实现功能。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;这个流程把&amp;quot;设计稿 → 需求 → 实现计划 → 代码&amp;quot;的上下文断层补上了。对电商团队做活动页、详情页快速迭代尤其相关：设计与需求不再靠口头交接，而是沉淀成可被编码智能体直接消费的结构化 Spec，减少返工与信息损耗。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：Figma 官方博客&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://www.figma.com/blog/workflow-lab-specs-and-the-figma-agent/&lt;/p&gt;
&lt;h3 id="4-metr-能力测量更新ai-研发相关能力每约-36-个月翻倍"&gt;4. METR 能力测量更新：AI 研发相关能力每约 3.6 个月翻倍
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;METR 发布 2026 年 11 月能力测量更新，指出 AI 研发（AI R&amp;amp;D）相关能力约每 3.6 个月翻倍，且这类能力正变得更难测量。该结论基于其对长时程任务的能力评估体系。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;&amp;ldquo;3.6 个月翻倍&amp;quot;意味着团队对 AI 工具的评估周期必须压缩——按年度做工具选型，很可能选完就过时。对数据与技术管理者，更实际的动作是建立季度级的能力基准测试，用自家真实任务持续测量，而不是照搬公开榜单。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：METR Blog&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://metr.org/blog/2026-11-20-q4-2026-capability-update/&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="三基础研究前沿"&gt;三、基础研究前沿
&lt;/h2&gt;&lt;h3 id="5-claude-与数学家合作证明黎曼猜想放出-1737-万行-lean-代码"&gt;5. Claude 与数学家合作证明黎曼猜想，放出 1737 万行 Lean 代码
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Anthropic 数学家 Levent Alpöge 于 2026 年 11 月 20 日宣布与 Claude 合作证明黎曼猜想，并放出 1737 万行 Lean 代码。这是 AI 参与高难度数学证明的标志性事件，代码规模本身也创下新高。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;1737 万行形式化代码的意义不在&amp;quot;AI 会不会做数学&amp;rdquo;，而在于可验证性——Lean 证明可被机器完整校验，这给 AI 在严谨领域产出可信结果提供了范本。对数据行业，这类&amp;quot;结果可机器验证&amp;quot;的思路同样适用于指标口径、数据质量规则的自动化校验。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：微信公众号（AI 科技媒体报道）&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://mp.weixin.qq.com/s/8Zi3nfwddzFy6cZsK2_KxA&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="今日核心洞察"&gt;今日核心洞察
&lt;/h2&gt;&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;智能体开始处理真实世界事务&lt;/strong&gt;：Duplex 进 Gemini Tasks 代打电话，标志智能体越过屏幕边界，实时对话的延迟与语用成为新工程门槛。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;工具收敛优于工具堆叠&lt;/strong&gt;：browser-use 用 1 个 REPL 替代 24 个动作，Figma 用 Specs 补齐上下文断层——两者都在减少智能体的选择成本。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;能力迭代周期进入季度级&lt;/strong&gt;：METR 称 AI 研发能力约 3.6 个月翻倍，年度选型已不够用，需用真实任务做季度基准。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;可验证性成为可信 AI 的关键&lt;/strong&gt;：1737 万行 Lean 代码说明，在严谨领域让结果可被机器校验，比追求&amp;quot;看起来对&amp;quot;更重要。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;对电商从业者的落点&lt;/strong&gt;：智能体的价值正从&amp;quot;生成内容&amp;quot;转向&amp;quot;代办事务&amp;quot;，客服外呼、活动页开发、运营自动化会是最先受益的三条线。&lt;/li&gt;
&lt;/ol&gt;</description></item></channel></rss>